基于嵌入式GPU的家庭服务机器人软件设计
发布时间：2021-07-18 14:55
随着经济和社会的快速发展,人们的平均寿命迅速提高,但人口出生率却不断下降,人口结构老龄化现象严重。现今中国还没有完全实现现代化建设,大力发展机器人产业是解决人口老龄化下劳动力不足问题的一种有效解决方案。目前市场上在用的机器人大部分为工业机器人,随着机器人研究工作的深入以及人们对机器人功能需求的不断提高,国内外公司与研究机构纷纷对服务机器人展开研发。本论文针对机器人在家庭场景下的应用需求,设计了一款基于嵌入式GPU的家庭服务机器人软件,该软件具有定位导航、目标识别与测量以及人机交互等功能,具有良好的实际应用价值。论文的主要工作和成果如下:（1）分析家庭服务机器人软件的功能与性能需求,选用Turtlebot移动平台与Nvidia TX2嵌入式GPU开发板作为硬件开发平台;考虑到机器人软件中多传感器数据采集和运动控制等模块的实现,选用机器人操作系统ROS作为软件开发平台;搭建软硬件开发环境,并给出了基于ROS的软件总体设计。（2）定位导航模块研发。通过对比当前主流SLAM建图算法的优缺点,选择适用于家庭环境的GMapping算法作为建图算法,并采用AMCL算法进行机器人的定位。为了实现机器人...
【文章来源】：浙江工业大学浙江省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
JetsonTX2开发板Figure2-1.JetsonTX2developmentkit
基于嵌入式GPU的家庭服务机器人软件设计15①在Linux操作系统下，ROS的开发环境搭建较为方便；②JetsonTX2的官方发行版基于Ubuntu16.04。Ubuntu16.04下的ROSKinetic发行版本位于ROS的长期支持名单内；③在Ubuntu16.04上进行ROS研发的学者众多，该平台上ROS的软件功能包发行数量最多；④ROS只针对Debian与RPM系列的Linux发行版本进行二进制包分发，在其他Linux发行版本上，ROS需要自己编译，编译安装过程会十分耗时还会出现依赖库的ABI不兼容问题；因此本论文最终选用通过使用JetPack3.2刷入Ubuntu16.04系统，然后安装ROSKinetic来完成ROS开发环境的搭建。另外，由于选用了IntelRealSense系列深度相机，还需要要安装IntelRealSense相机驱动以及相关ROS功能包。图2-3JetPackL4T3.2组件管理界面Figure2-3.JetPackL4T3.2componentsmanageinterface(1)JetPack软件安装由于JetsonTX2开发板默认安装的是一个纯净的Ubuntu14.04版本，并不具备软件所需的开发环境且该版本号过低，已经不在ROS的长期支持系列中，所以在拿到该开发板时，首先需要从官网中下载刷机套件，升级JetsonTX2的Ubuntu版本至16.04。在升级过程中，应当选择软件开发过程中所需要的功能包，如CUDA、cuDNN等。本论文使用了JetPack3.2刷机套件进行JetsonTX2的刷机工作，具体步骤如下：①在装有Ubuntu的台式机或笔记本上下载JetPack-L4T3-2.run这一刷机套件执行文件，并赋予该文件执行权限；②在命令行执行文件后，会出现名为JetPackL4T3.2ComponentsManage
基于嵌入式GPU的家庭服务机器人软件设计21SLAM的可靠性会受到影响，会出现视觉特征的提取与匹配复杂度高，运算复杂度大等问题。因此本论文选用了可靠性更高、技术更为成熟、计算量更少的激光雷达建图法。表3-1是激光雷达建图与视觉建图的优劣势对比。表3-1激光雷达建图与视觉建图优劣势对比Table3-1.Comparisonofadvantagesanddisadvantagesbetweenlaserradarmappingandvisualmapping优/劣势激光雷达建图视觉建图优可靠性高，技术成熟结构简单，安装方式多元建图直观，精度高无传感器探测距离限制，成本低地图可用于路径规划可提取大量语义信息劣受雷达探测范围限制环境光照变化剧烈时可靠性不高安装有结构要求运算负荷大，构建的地图本身难以直接用于路径规划与导航地图缺乏深层次语义信息算法效率有待提高，地图构建时会存在累计误差图3-1室内环境建图结果Figure3-1.IndoorenvironmentmappingresultsROS框架中，已有软件包实现了三种激光雷达建图方法：GMapping、HectorSLAM与Cartographer。其中GMapping基于里程计与激光雷达信息，可以在室内小场景情形下时，进行实时的地图构建，并且该算法计算量较小且精度高。
【参考文献】：
期刊论文
[1]景深约束下的深度强化学习机器人路径规划[J]. 王珂,卜祥津,李瑞峰,赵立军. 华中科技大学学报(自然科学版). 2018(12)
[2]移动机器人的智能路径规划算法综述[J]. 王春颖,刘平,秦洪政. 传感器与微系统. 2018(08)
[3]我国医用机器人的研究现状及展望[J]. 田伟. 骨科临床与研究杂志. 2018(04)
[4]穿越稠密障碍物的自适应动态窗口法[J]. 王永雄,田永永,李璇,李梁华. 控制与决策. 2019(05)
[5]达芬奇手术机器人的应用进展与前景展望[J]. 侯娟茹,周珊,张红梅,郭秀英,成小燕. 现代医学与健康研究电子杂志. 2017(04)
[6]浅谈服务机器人的应用现状和发展前景[J]. 王玉山,王伟,李仲阳,李超艺,李昕达,褚凌慧,宋家洛,吴海超. 机电工程技术. 2017(02)
[7]虚拟现实技术在老年痴呆患者认知功能训练中的研究进展[J]. 陈妞,陆萍静,陈雪梅,孙莹,刘晗. 护理学杂志. 2017(03)
[8]基于眼动测试的产品人机界面交互设计研究[J]. 谢伟,辛向阳,丁静雯. 机械设计. 2015(12)
[9]图像物体分类与检测算法综述[J]. 黄凯奇,任伟强,谭铁牛. 计算机学报. 2014(06)
[10]服务机器人的研究现状与发展趋势[J]. 宋章军. 集成技术. 2012(03)
硕士论文
[1]利用局部传感器的移动机器人路径规划研究[D]. 陈安媛.武汉工程大学 2015
[2]自主车路径规划及避障技术研究[D]. 孙丽娜.青岛科技大学 2013
[3]考虑权重的车辆路径问题的建模与蚁群算法[D]. 关靖.东北大学 2012
[4]蚁群优化算法及其应用研究[D]. 张频捷.中南大学 2010
[5]面向智能交通系统的多模式人机交互技术研究[D]. 张海鹏.上海交通大学 2007
本文编号：3289801
【文章来源】：浙江工业大学浙江省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
JetsonTX2开发板Figure2-1.JetsonTX2developmentkit
基于嵌入式GPU的家庭服务机器人软件设计15①在Linux操作系统下，ROS的开发环境搭建较为方便；②JetsonTX2的官方发行版基于Ubuntu16.04。Ubuntu16.04下的ROSKinetic发行版本位于ROS的长期支持名单内；③在Ubuntu16.04上进行ROS研发的学者众多，该平台上ROS的软件功能包发行数量最多；④ROS只针对Debian与RPM系列的Linux发行版本进行二进制包分发，在其他Linux发行版本上，ROS需要自己编译，编译安装过程会十分耗时还会出现依赖库的ABI不兼容问题；因此本论文最终选用通过使用JetPack3.2刷入Ubuntu16.04系统，然后安装ROSKinetic来完成ROS开发环境的搭建。另外，由于选用了IntelRealSense系列深度相机，还需要要安装IntelRealSense相机驱动以及相关ROS功能包。图2-3JetPackL4T3.2组件管理界面Figure2-3.JetPackL4T3.2componentsmanageinterface(1)JetPack软件安装由于JetsonTX2开发板默认安装的是一个纯净的Ubuntu14.04版本，并不具备软件所需的开发环境且该版本号过低，已经不在ROS的长期支持系列中，所以在拿到该开发板时，首先需要从官网中下载刷机套件，升级JetsonTX2的Ubuntu版本至16.04。在升级过程中，应当选择软件开发过程中所需要的功能包，如CUDA、cuDNN等。本论文使用了JetPack3.2刷机套件进行JetsonTX2的刷机工作，具体步骤如下：①在装有Ubuntu的台式机或笔记本上下载JetPack-L4T3-2.run这一刷机套件执行文件，并赋予该文件执行权限；②在命令行执行文件后，会出现名为JetPackL4T3.2ComponentsManage
基于嵌入式GPU的家庭服务机器人软件设计21SLAM的可靠性会受到影响，会出现视觉特征的提取与匹配复杂度高，运算复杂度大等问题。因此本论文选用了可靠性更高、技术更为成熟、计算量更少的激光雷达建图法。表3-1是激光雷达建图与视觉建图的优劣势对比。表3-1激光雷达建图与视觉建图优劣势对比Table3-1.Comparisonofadvantagesanddisadvantagesbetweenlaserradarmappingandvisualmapping优/劣势激光雷达建图视觉建图优可靠性高，技术成熟结构简单，安装方式多元建图直观，精度高无传感器探测距离限制，成本低地图可用于路径规划可提取大量语义信息劣受雷达探测范围限制环境光照变化剧烈时可靠性不高安装有结构要求运算负荷大，构建的地图本身难以直接用于路径规划与导航地图缺乏深层次语义信息算法效率有待提高，地图构建时会存在累计误差图3-1室内环境建图结果Figure3-1.IndoorenvironmentmappingresultsROS框架中，已有软件包实现了三种激光雷达建图方法：GMapping、HectorSLAM与Cartographer。其中GMapping基于里程计与激光雷达信息，可以在室内小场景情形下时，进行实时的地图构建，并且该算法计算量较小且精度高。
【参考文献】：
期刊论文
[1]景深约束下的深度强化学习机器人路径规划[J]. 王珂,卜祥津,李瑞峰,赵立军. 华中科技大学学报(自然科学版). 2018(12)
[2]移动机器人的智能路径规划算法综述[J]. 王春颖,刘平,秦洪政. 传感器与微系统. 2018(08)
[3]我国医用机器人的研究现状及展望[J]. 田伟. 骨科临床与研究杂志. 2018(04)
[4]穿越稠密障碍物的自适应动态窗口法[J]. 王永雄,田永永,李璇,李梁华. 控制与决策. 2019(05)
[5]达芬奇手术机器人的应用进展与前景展望[J]. 侯娟茹,周珊,张红梅,郭秀英,成小燕. 现代医学与健康研究电子杂志. 2017(04)
[6]浅谈服务机器人的应用现状和发展前景[J]. 王玉山,王伟,李仲阳,李超艺,李昕达,褚凌慧,宋家洛,吴海超. 机电工程技术. 2017(02)
[7]虚拟现实技术在老年痴呆患者认知功能训练中的研究进展[J]. 陈妞,陆萍静,陈雪梅,孙莹,刘晗. 护理学杂志. 2017(03)
[8]基于眼动测试的产品人机界面交互设计研究[J]. 谢伟,辛向阳,丁静雯. 机械设计. 2015(12)
[9]图像物体分类与检测算法综述[J]. 黄凯奇,任伟强,谭铁牛. 计算机学报. 2014(06)
[10]服务机器人的研究现状与发展趋势[J]. 宋章军. 集成技术. 2012(03)
硕士论文
[1]利用局部传感器的移动机器人路径规划研究[D]. 陈安媛.武汉工程大学 2015
[2]自主车路径规划及避障技术研究[D]. 孙丽娜.青岛科技大学 2013
[3]考虑权重的车辆路径问题的建模与蚁群算法[D]. 关靖.东北大学 2012
[4]蚁群优化算法及其应用研究[D]. 张频捷.中南大学 2010
[5]面向智能交通系统的多模式人机交互技术研究[D]. 张海鹏.上海交通大学 2007
本文编号：3289801
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3289801.html
